Laney P 控制图
Laney P’ 控制图(读作“P 撇控制图”)是标准 P 控制图的增强版本,用于处理一个常见问题——过度离散,即数据的实际变异远大于仅基于二项分布时标准 P 控制图所预期的变异。
最后审阅
核心要点
Laney P’ 控制图(“P 撇控制图”)是标准 P 控制图的增强版本,用于处理过度离散,即数据的实际变异远大于二项分布所预期的变异。
本页内容
什么是 Laney P 控制图?
Laney P’ 控制图(读作“P 撇控制图”)是标准 P 控制图的增强版本,用于处理一个常见问题——过度离散,即数据的实际变异远大于仅基于二项分布时标准 P 控制图所预期的变异。
在标准 P 控制图中,控制限完全由比率公式计算。当子组很大时,即使现实中很小的波动也会使图产生 过多的误报 ——使过程看起来一直失控,而实际上它表现正常。Laney P’ 控制图通过在控制限计算中纳入组间变异性的附加度量来纠正这一点。
何时使用 Laney P 控制图?
- 在监控过程中 不合格品的比率或百分比 时使用(例如失效单元的百分比、不完整表单的百分比)。
- 当子组 很大或差异显著 时使用——这正是标准 P 控制图最常产生误报信号的情形。
- 当标准 P 控制图显示 过多的点超出控制限,而过程实际并未发生变化时使用。
- 当数据表现出 过度离散 时使用——即子组之间的变异大于二项模型的预测。
- 如果子组较小且一致,标准 P 控制图 可能就已足够。
了解过度离散
当操作员、机器、批次或一天中的时段等现实因素在子组之间引入了超出纯随机预期的额外变异时,就会出现过度离散。标准 P 控制图忽略这种额外变异,导致控制限过窄、误报过多。
Laney P’ 控制图使用 sigma-Z 调整因子来估计这种额外的组间变异。如果 sigma-Z 接近 1,则标准 P 控制图已足够。如果 sigma-Z 显著大于 1,则强烈建议使用 Laney P’ 控制图。
正确使用 Laney P 控制图的指南
- 数据必须表示 检验总数中的不合格品数 ——例如,检验 500 件中有 12 件不合格。
- 每个观测值必须 相互独立 ——一个项目的结果不应影响另一个项目。
- 检查 输出中的 sigma-Z 值 ——接近 1.0 的值表示标准 P 控制图即可;明显高于 1.0 的值则证实需要 Laney P’ 控制图。
- 在确定控制限之前,至少收集 25 个子组 的数据。
- 调查 过度离散的可查明原因(例如班次差异、供应商批次)——该图会突出不稳定性,但始终需要进行根本原因调查。
替代方法:何时不宜使用 Laney P 控制图
- 如果子组 较小且一致,且没有过度离散的证据,请改用 标准 P 控制图 ——它更简单,在这些条件下同样有效。
- 如果 sigma-Z 值接近 1.0,则不存在过度离散,标准 P 控制图 已足够——无需使用 Laney P' 控制图。
- 如果跟踪的是 不合格品数而不是比率,且子组大小固定,请改用 NP 控制图。
- 如果单个项目可能有 多个缺陷,且您统计的是每单位的缺陷数而不是项目合格与否,请改用 Laney U' 控制图。
- 如果每个子组的检验面积 固定且相同,请改用 C 控制图 ——它是为恒定的机会数大小设计的。
- 如果响应变量是 连续的测量数据(例如尺寸、重量、温度),请改用 I-MR、Xbar-R 或 Xbar-S 控制图。
- 如果过程涉及 短周期生产或混合零件类型,请改用 Z-MR 控制图,它可处理不同产品之间可变的目标值和标准。
- 如果需要检测随时间推移 比率的微小渐进偏移 而非突变,可考虑改用 计数型数据的 CUSUM 或 EWMA 变体。
Laney P 控制图示例
某中型医院的经理希望确保医院病历中的差错始终受控。为此,经理跟踪每天处理的病历总数,并统计其中不完整或含有不准确内容的病历(不合格病历)。鉴于病历量很大——平均每天超过 2,500 份——且数据存在显著的过度离散,经理选择使用 Laney P' 控制图而不是传统的 P 控制图。这一选择有助于考虑过度离散,并为监控和维持病历管理质量提供更可靠的方式。收集到的数据如下:
- 已收集所需数据。

2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
3. 要找到 Laney P 控制图,请选择 Statistical module> Control Chart> Laney P Chart.
4. 在工具中,按如下方式输入数据及其他输入项:

5. 使用上述工具后,得到如下输出:

如何创建 Laney P 控制图
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Control Chart >Laney P Chart。
- 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
- 接下来,选择所需的 Check Rules。
- 最后,点击页面底部的 calculate,即可得到所需结果。
在 Laney P 控制图的工具界面中,窗口分为两部分。

左侧为数据窗格(Data Pane)。可手动输入数据,也可从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
Load example: 将加载示例数据。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- Variables: 选择包含每个子组中发现的 不合格品数 的列,例如每个检验批中被拒收的零件数、失效单元数或不完整记录数。这是图表计算每个描点不合格品率所用的主要数据。
- Subgroup Size Column: 选择包含每个子组中 检验项目总数 的列。这是必需的,因为不合格品率由不合格品数除以检验总数得到。当每个子组的检验数量 各不相同 时使用此选项——例如一批检验 450 件,下一批检验 620 件。此字段与 Subgroup Size Number 必须提供其一,不能同时提供。
- Subgroup Size Number: 如果 每个子组的检验项目总数相同,请输入一个固定数字。例如,如果每批始终恰好检验 500 件,请在此输入 500。当检验数量从不变化时,这比使用列更简单。如果子组大小不同,请改用 Subgroup Size Column。
- Process proportion: 如果提供了过程比率,则该值被视为中心线。如果未提供,Zometric Statistical Software 将根据所提供的数据计算中心线。
- Check Rule 1: 1 point > K Stdev from center line: 检验 1 对于识别明显偏离其他子组的子组至关重要,是公认的检测失控情形的通用工具。为提高灵敏度并检测过程中较小的偏移,可将检验 2 与检验 1 结合使用,以增强控制图的效果。
- Check Rule 2: K points in a row on same side of center line: 检验 2 检测过程中心或变异的变化。在监控过程的微小偏移时,可将检验 2 与检验 1 结合使用,以提高控制图的灵敏度。
- Check Rule 3: K points in a row, all increasing or all decreasing: 检验 3 用于识别过程中的趋势。该检验专门查找连续的一长串数据点,其数值持续上升或持续下降,这表示过程行为中可能存在潜在趋势。
- Check Rule 4: K points in a row, alternating up and down:检验 4 用于识别过程中的系统性变异。理想情况下,过程中的变异模式应是随机的。然而,如果某个点未通过检验 4,则可能表明变异并非随机,而是遵循可预测的模式。
常见问题
什么是 Laney P' 控制图?
Laney P' 控制图(读作 P 撇)是用于不合格品率的增强版 P 控制图,可处理过度离散,即实际变异远大于二项分布所预期的变异。它在控制限计算中加入了组间变异性的度量,因此大子组不会产生过多的误报。
何时应使用 Laney P' 控制图而不是 P 控制图?
当子组很大或差异显著、标准 P 控制图在过程并无实际变化时仍显示过多点超出控制限,或数据表现出过度离散时,使用 Laney P' 控制图。如果子组较小且一致,且没有过度离散,则标准 P 控制图更简单,同样有效。
Laney P' 控制图上的 sigma-Z 是什么意思?
Sigma-Z 是用于估计额外组间变异的调整因子。如果 sigma-Z 接近 1.0,则不存在过度离散,标准 P 控制图已足够。如果它明显高于 1.0,则强烈建议使用 Laney P' 控制图,因为标准 P 控制图的控制限会过窄。
Laney P' 控制图需要什么数据?
每个子组需要检验总数中的不合格品数,例如 500 件中有 12 件不合格,且观测值相互独立。当子组大小不同时,提供子组大小列;否则提供固定的子组大小数值。在确定控制限之前,至少收集 25 个子组。
